CN108139749A - 基于自适应算法的发动机健康状况预测 - Google Patents
基于自适应算法的发动机健康状况预测 Download PDFInfo
- Publication number
- CN108139749A CN108139749A CN201680058578.XA CN201680058578A CN108139749A CN 108139749 A CN108139749 A CN 108139749A CN 201680058578 A CN201680058578 A CN 201680058578A CN 108139749 A CN108139749 A CN 108139749A
- Authority
- CN
- China
- Prior art keywords
- engine
- data
- curve
- data point
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003862 health status Effects 0.000 title claims abstract description 51
- 230000003044 adaptive effect Effects 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000036541 health Effects 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 27
- 238000012937 correction Methods 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 23
- 238000013480 data collection Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 230000008450 motivation Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 210000004209 hair Anatomy 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
- G06F7/08—Sorting, i.e. grouping record carriers in numerical or other ordered sequence according to the classification of at least some of the information they carry
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Testing Of Engines (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
基于反映个体发动机的唯一性能“指纹”的历史数据来确定发动机健康状况并且确保可用推进动力的系统和基于算法的方法。
Description
关于联邦政府资助的研究或开发的声明
本发明是在海军航空系统司令部授予的合同N00019-09-D-0008下由政府支持完成的。政府对本发明享有一定的权利。
技术领域
本申请总体上涉及监测和预测发动机健康状况,并且更具体地涉及确定发动机健康状况并且确保可用推进动力的系统和基于算法的方法。
背景技术
通常使用动力确保检查(“PAC”)来监测飞行器发动机的健康状况。通常在将性能水平与基准规格进行比较之前,PACS测量并且计算稳定操作条件下的作为测量的气体温度(measured gas temperature,“MGT”)、校正后的测量气体温度(“MGTc”)或校正后的气体发生器速度(“NGc”)的函数的发动机马力。与基准规格的比较提供了发动机健康状况水平的指示。然而,PAC具有若干限制。
作为一个示例,PAC需要几分钟的稳定的稳态操作——即,在旋翼飞行器的情况下,几分钟的悬停——以被准确地执行。为了执行自动PAC,旋翼飞行器可能必须在相对稳定的无风条件下悬停最长达五分钟。如果这些条件没有保持足够的时间段,则PAC例程将中止。可替选地,可以执行手动PAC。虽然手动执行的PAC将不会由于稳定的稳态操作时间较短而中止,但是如果稳定操作的时间明显较短,则准确度将会受损。手动执行的PAC还会在绘制性能数据点、在图上绘制直线或曲线以及解释图以预测可用动力并且确定发动机健康状况时引入人为误差。并且PAC的手动作业对机组人员而言可能是繁重的,或者需要额外的人员。例如,对于需要两名飞行员的飞行器,一名飞行员必须驾驶飞行器,而另一名飞行员记录数据并且解释结果。可替选地,机组人员可以包括执行PAC分析的飞行工程师,但是该额外的机组人员会降低飞行器的容量。
PAC的另一限制是它通常假定如果例如发动机在一个负荷水平正提供100%的基准性能则它将在更高的负荷下也提供100%的性能。但是发动机的健康状况通常在不同的发动机负荷水平下不同。因此,例如,PAC可以指示100%的发动机健康状况,而在飞行员达到更高的海拔高度、试图提升较重的负荷或者进入更糟的操作环境时,飞行员发现仅有94%的预测动力水平实际上可用。因此,机组人员可能会发现,当发动机的性能最为关键时,发动机处于边际状况。
PAC的又一限制是,为了最佳准确度,PAC应当在高发动机负荷下执行,例如在约100°F的发动机最大MGT额定值内。但是,达到如此高的发动机负荷可能需要高海拔、较重的飞行器负荷和/或较高的外部空气温度。这些根据状况可能难以或不可能获得。
因此,存在对以下发动机健康状况评估系统和方法的需要:(1)不需要几分钟的稳定的稳态操作;(2)不对机组人员施加显著负担;(3)基于反映个体发动机的唯一性能“指纹”的历史数据,准确地预测在所有的操作负荷和动力水平下的发动机健康状况和性能水平;以及(4)不需要在高动力水平和负荷下操作以获得准确度。本发明的这些和其他优点对于本领域技术人员而言将变得明显。
发明内容
在一个方面,本发明包括一种收集在确定飞行器上的发动机的健康状况中使用的发动机数据的方法,该方法包括:接收发动机操作信息;根据发动机操作信息确定动力参数和关键参数;记录动力参数和关键参数作为数据点;以及将数据点与存储的数据集合并,存储的数据集包括先前记录的动力参数和关键参数数据点。
另一方面,本发明包括一种确定飞行器上的发动机的健康状况的方法,该方法包括:选择在创建发动机健康状况模型中使用的发动机性能曲线;执行曲线拟合处理以获得拟合曲线,该拟合曲线基于所选择的发动机性能曲线和存储的数据集;通过将拟合曲线与发动机的100%规格水平性能曲线(100%specification-level performance curve)进行比较来评估发动机健康状况;以及输出发动机健康状况信息。
在第三方面,本发明包括一种确定飞行器上的发动机的健康状况的方法,该方法包括:接收发动机操作信息;根据发动机操作信息确定动力参数和关键参数;记录动力参数和关键参数作为数据点;将数据点与存储的数据集合并,存储的数据集包括先前记录的动力参数和关键参数数据点;选择在创建发动机健康状况模型中使用的发动机性能曲线;通过平移和旋转所选择的发动机性能曲线以相对于存储的数据集实现低误差来获得拟合曲线;通过将拟合曲线与发动机的100%规格水平性能曲线进行比较来评估发动机健康状况;以及输出发动机健康状况信息。
附图说明
在附图中公开了本发明的某些实施方式的优选特征,其中,贯穿若干视图,相似的附图标记表示相似的元件,并且其中:
图1示出了根据一个实施方式的旋翼飞行器;
图2是根据一个实施方式的发动机健康状况系统的框图;
图3是表示根据一个实施方式的数据收集处理的流程图;
图4是表示根据一个实施方式的用于确定发动机健康状况的处理的流程图;
图5是根据一个实施方式的用于在确定发动机健康状况的处理中使用的收集数据的图表;
图6是根据图5的实施方式的收集数据的图表,其中,引入了基准发动机性能曲线;
图7是根据图6的实施方式的收集数据的图表,其中,基准发动机性能曲线被平移以相对于收集的数据点实现最低误差;
图8是根据图7的实施方式的收集数据的图表,其中,基准发动机性能曲线被旋转以相对于收集的数据点实现最低误差;以及
图9和图10描绘了根据图8的实施方式的收集数据的图表,其中,在基准发动机性能曲线的原始位置重新引入基准发动机性能曲线。
具体实施方式
现在将参照附图更充分地描述本发明的实施方式,在附图中示出了本发明的优选实施方式。然而,本发明可以以许多不同的形式来实施,并且不应该被解释为限于本文阐述的所示实施方式。而是,提供所示的实施方式,以使得本公开内容将是透彻和完整的并且将本发明的范围传达给本领域技术人员。
为了清楚和简洁起见,可以不描述实施方式的所有特征。在任何实际实施方式的开发中,必须做出许多特定于实现方式的决定以实现开发者的特定目标,例如遵从系统相关和商业相关的约束,这些将随实现方式不同而变化。虽然这样的开发工作可能是复杂并且耗时的,但是对于受益于本公开内容的本领域普通技术人员而言,它将是常规任务。
部分地借助于功能和/或逻辑块部件并且参考可以由各种计算部件或设备执行的操作、处理任务和功能的符号表示来描述本发明。这些操作、任务和功能有时被称为是计算机执行的、计算机化的、软件实现的或计算机实现的。实际上,一个或更多个处理器设备可以通过操纵表示系统存储器中存储器位置处的数据位的电信号以及信号的其他处理来执行所描述的操作、任务和功能。保存数据位的存储器位置是具有与数据位对应的特定电、磁、光或有机特性的物理位置。应该认识到,附图中示出的各个块部件可以通过被配置成执行指定功能的任何数量的硬件、软件和/或固件部件来实现。例如,系统或部件的实施方式可以采用可以在一个或更多个微处理器或其他控制设备的控制下执行各种功能的各种集成电路部件(例如,存储器元件、数字信号处理元件、逻辑元件、查找表等)。此外,各图中所示的连接线意在表示各种元件之间的示例性功能关系和/或物理耦接。然而,本领域技术人员将认识到,在实施方式中可以存在许多替代的或另外的功能关系或物理连接。
图1示出了根据一个示例实施方式的旋翼飞行器100。旋翼飞行器100以旋翼系统110、桨叶120、机身130、起落架140和尾翼150为特征。旋翼系统110可以使桨叶120旋转。旋翼系统110可以包括用于选择性地控制每个桨叶120的桨距以选择性地控制旋翼飞行器100的方向、推力和升力的控制系统。机身130表示旋翼飞行器100的身体并且可以耦接至旋翼系统110,使得旋翼系统110和桨叶120可以通过空气使机身130移动。当旋翼飞行器100正在着陆时和/或当旋翼飞行器100在地面上休息时,起落架140支撑旋翼飞行器100。尾翼150表示飞行器的尾部段并且以桨叶120’和旋翼系统110的部件为特征。桨叶120’可以在与桨叶120的旋转相同的方向上提供推力,以抵制由旋翼系统110和桨叶120产生的扭矩效应。还应该认识到,关于旋翼飞行器100的教示可以应用于除了旋翼飞行器之外的飞行器和交通工具,举几个例子,例如飞机和无人驾驶飞行器。
现在还参照图2,示例性发动机健康状况系统200包括向旋翼系统110提供动力的发动机201。本领域技术人员将认识到,发动机健康状况系统200可以可替选地包括多个发动机201。发动机健康状况系统200还包括被配置成传送发动机操作信息220的一个或更多个发动机传感器设备202。例如,发动机传感器设备202可以测量、计算、估计和/或传送诸如MGT、MGTc、NGc、扭矩输出、马力输出等的信息。发动机传感器设备202经由飞行器数据总线203提供发动机操作信息220。飞行器数据总线203可以是导线串行数据总线例如符合MIL-STD-1553的数据总线,或者光纤数据总线例如符合MIL-STD-1773的数据总线。发动机健康状况监视设备204如下面参照图3至图10所描述的经由飞行器数据总线203收集发动机操作信息220,并且处理发动机操作信息220。
在对从飞行器数据总线203收集的发动机操作信息220进行处理之后,发动机健康状况监视设备204将发动机健康状况信息230提供至一个或更多个输出设备。在图2的实施方式中,输出设备包括:数据存储设备205、机组人员接口设备206和收发器设备207。虽然发动机健康状况监视设备204、数据存储设备205、机组人员接口设备206和收发器设备207被描绘为分开的设备,但是本领域的普通技术人员将认识到,这些设备中的两个或更多个可以被组合成单个部件。例如,在替选实施方式中,所有这些设备204、205、206、207可以被集成到单个部件中。另外,图2描绘了每个均直接与发动机健康状况监视设备204相连的数据存储设备205、机组人员接口设备206和收发器设备207。然而,这些设备之间的各种物理连接是可能的。例如,在替选实施方式中,这些设备中的每一个可以经由飞行器数据总线203互连。
数据存储设备205被配置成存储发动机健康状况信息230以用于检索。作为一个示例,数据存储设备205可以包括数据端口,该数据端口使得发动机健康状况信息230能够以规则的间隔被下载和分析。数据存储设备205可以由提供周期性查询或按需查询的机载系统或者由飞行器外维护和诊断工具209来查询。更具体地,这样的查询可以通过飞行器数据总线203、发动机健康状况监视设备204、机组人员接口设备206、飞行器外维护和诊断工具209以及/或其他部件和系统产生或传递。当响应查询时,数据存储设备205将发动机健康状况信息230传送给飞行器数据总线203、发动机健康状况监视设备204、机组人员接口设备206、收发器设备207、基站208、飞行器外维护和诊断工具209以及/或其他部件和系统中的一个或更多个。数据存储设备205也可以用作存储的数据集330的存储库(参见图5至图10)。
机组人员接口设备206被配置成向机组人员提供发动机健康状况信息230。作为一个示例,机组人员接口设备206可以包括指示发动机健康状况信息230的仪表或显示屏。这样的仪表或显示屏可以连续地指示发动机健康状况信息230,或者可以根据需要使这样的信息230可用。例如,在驾驶舱中按下的按钮可以促使发动机健康状况信息230显示在屏幕上。作为另一示例,机组人员接口设备206可以包括在发动机健康状况信息230落在预定范围之外的情况下警告机组人员的警示指示器、灯、触觉警告或可听警报。
收发器设备207被配置成将发动机健康状况信息230传送到飞行器外。例如,收发器设备207可以在飞行器正在工作时将发动机健康状况信息230传送至基站208。基站208可以是维护数据库、地勤人员、移动指挥中心、追逐交通工具或飞行器等。本领域技术人员将认识到,收发器设备207不必是能够进行操作以仅发送和接收发动机健康状况230和相关信息的专用收发器。而是,收发器设备207可以是多用途收发器,所述多用途收发器被配置成除了发动机健康状况信息230之外还发送和接收其他信息,包括例如语音数据、GPS数据、HUMS数据、在无人驾驶交通工具的情况下的控制命令等。
仍然参照图2的实施方式,其他飞行器系统210与飞行器数据总线203进行通信。更具体地,其他传感器和处理器经由飞行器数据总线203使与飞行器和/或操作环境有关的另外的信息240可用,所述另外的信息240例如:(1)海拔高度;(2)外部空气温度;(3)起落架140上是否存在重量;(4)飞行器正在以直升机模式还是飞机模式还是两者之间(在倾转旋翼机或倾斜翼飞行器的情况下)飞行;(5)发动机入口配置或限制信息;以及/或(6)排气配置或限制信息。发动机健康状况监视设备204可以可选地处理该另外的信息240以及发动机操作信息220,以确定发动机健康状况信息230。
图3和图4分别描绘了用于数据收集处理300的流程图和用于确定发动机健康状况的处理400的流程图。这些处理300、400可以通过软件、硬件、固件或它们的任何组合来执行。在一个示例中,发动机健康状况监视设备204(参见图2)执行数据收集处理300和用于确定发动机健康状况的处理400。在另一示例中,这些处理300、400中的与存储的数据集330(参见图5至图10)的存储有关的部分由数据存储设备205执行。因此,本领域普通技术人员将认识到,在不偏离本发明的方法的范围的情况下,各种元件和设备可以执行处理300、400的全部或部分。
图3描绘了示例性数据收集处理300。数据收集处理300包括接收301发动机操作信息220的步骤和接收302与飞行器和/或操作环境有关的另外的信息240的步骤。发动机操作信息220和另外的信息240可以可选地从飞行器数据总线203(参见图2)接收。
数据收集处理300还包括确定303发动机操作信息220是否表示稳定数据点320(参见图5至图10)。即,对发动机操作信息220应用本领域通常已知的一个或更多个数学数据降噪处理。作为一个示例,可以对发动机操作信息220应用一个或更多个滞后滤波器。如果降噪处理显示发动机操作信息220不表示稳定数据点320,则发动机操作信息220被丢弃,并且数据收集处理300重新开始304。
数据收集处理300还包括确定305发动机操作信息220是否表示有效数据点320(参见图5至10)。各种有效性标准可以被选择并进行验证以确定发动机操作信息220是否表示有效数据点320。这样的有效性标准可能需要参考发动机操作信息220和/或与飞行器和/或操作环境有关的另外的信息240。例如,一个有效性标准可以是起落架140(参见图1)上不存在重量。另一个示例性有效性标准可以是MGT大于1000°F。如果所有有效性标准未被满足,则发动机操作信息220被丢弃,并且数据收集处理300重新开始304。
图3中描绘的数据收集处理300包括根据发动机操作信息220来确定并且记录307动力参数(例如,转矩值、动力值、转矩裕度或动力裕度)和关键参数(例如,MGT、MGTc或NGc值)作为数据点320(参见图5至图10)的又一步骤。更具体地,在图3的实施方式中,针对给定MGT,确定100%规格水平性能动力与实际测量动力之间的动力裕度(power margin)或“差量”。一旦确定,动力裕度和MGT数据则被记录为数据点320以用于进一步处理。本领域的普通技术人员将认识到,可替选地,除了MGT之外或者代替MGT,可以记录MGTc或NGc数据作为关键参数。优选地,如果发动机通常在发动机达到其NGc限之前达到其MGT限,则MGT/MGTc数据将被记录。但是,相反地,如果发动机通常在发动机达到其MGT限之前达到其NGc限,则NGc数据将被记录。
在图3的实施方式中,确定并记录步骤307还包括基于与飞行器和/或操作环境有关的另外的信息240来“校正”动力参数和关键参数。例如,如果外部空气温度高,则可以在数据点320被记录之前将校正因子应用于动力裕度数据和MGT数据。在这种情况下,数据点320被校正或标准化以消除由于当前安装损耗、操作配置和环境状况而引起的性能变化。所得到的“校正后的”数据点320因此表示在给定的MGT处在理想条件或标准条件下在测试台上执行情况下的发动机的动力而不是安装在飞行器上并且经受变化的操作配置和环境条件的情况下的发动机的动力。例如,如果动力参数是MGT,则这样的校正可能是必需的,因为如果不这样的话存储的数据集330将包含散射的数据点320,由于其他变量的影响,散射的数据点320可能不会被归并至(reduced to)拟合曲线440(参见图5至图10)。因此,优选的是,存储的数据集330包括校正后的数据点320(即,校正后的动力裕度和MGTc值)而不是观察值(即,观察到的动力裕度和MGT值)。
在替选实施方式中,记录原始值(即,实际测量动力——而不是动力裕度——和测量MGT)以用于进一步处理。然而,为了优化数据处理和加工,仅记录动力裕度和MGTc数据作为数据点320可能是有利的。
如图3所描绘的,数据收集处理300还包括将记录的数据点320与存储的数据集330合并308。存储的数据集330包括基于先前的动力裕度数据和MGTc数据的历史数据点320。将新记录的数据点320与存储的数据集330合并308可以包括将新的数据点320与存储的数据集330中的统计上相似的历史数据点进行分组,并且将这些统计上相似的数据点合并成单个代表性数据点。该合并步骤308还可以包括从存储的数据集330清除一个或更多个较旧的数据点。以这种方式,存储的数据集330可以随着新数据被合并和旧数据被清除而随时间变化。因此,存储的数据集330被不断更新以反映针对个体发动机的最近的历史动力裕度(即,“性能指纹”)。
仍然参照图3,处理300包括确定309是否调用用于确定发动机健康状况的处理400的另外的步骤。用于确定发动机健康状况信息230的确定发动机健康状况的处理400可以被设置成例如基于以下内容的任何组合来发生:(1)基于时间周期性地(例如,每分钟);(2)基于飞行时间周期性地(例如,每十五分钟的飞行时间);(3)根据需要(例如,当机组人员查询发动机健康状况信息230时);(4)当发动机健康状况信息230被传送到飞行器外时(例如,当由维护或诊断工具209检索时,或者当由收发器设备207传送至基站208时);以及/或(5)当最近的动力裕度和MGTc数据点320偏离存储的数据集330中的历史数据时,其潜在地指示发动机健康状况的突然或迅速退化(例如,当发动机遭受损坏、吸入有异物时)。如果在一个或更多个潜在标准下,应该更新发动机健康状况信息230,则处理400(下面参照图4至图10详细描述)发生。然而,如果尚不应该发生更新发动机健康状况信息230,则数据收集处理300重新开始304。
图4描绘了用于确定发动机健康状况的示例性处理400。用于确定发动机健康状况的处理400包括选择401在创建发动机健康状况模型中使用的发动机性能曲线430。例如,所选择的性能曲线430可以是发动机的100%规格水平性能曲线450(参见图9至图10)。可替选地,所选择的性能曲线430可以是发动机的完全退化性能曲线。作为又一示例,处理400可以选择100%规格水平性能曲线450和完全退化性能曲线二者。在这样的示例中,分析将使用这两个性能曲线来进行,并且最佳地拟合数据的曲线将变成在创建发动机健康状况模型中使用的所选性能曲线430。
用于确定发动机健康状况的处理400还包括曲线拟合处理402。曲线拟合处理402包括平移和旋转所选择的性能曲线430以最佳地拟合存储的数据集330。用于确定发动机健康状况的处理还包括评估发动机健康状况的步骤403。在该步骤中,将由曲线拟合处理402产生的拟合曲线440与100%规格水平性能曲线450进行比较,以获得对总体发动机健康状况的估计。另外或者作为替选,还可以在外推点460处评估拟合曲线440,以确定在给定负荷下(即,在给定MGT或MGTc下)的预期动力裕度或性能水平。上面参照图2讨论的发动机健康状况信息230可以包括总体发动机健康状况估计和/或在给定负荷下的预期动力裕度。下面参照图5至图10更详细地描述曲线拟合处理402和评估步骤403。
用于确定发动机健康状况的处理400还包括输出404所得到的发动机健康状况信息230。上面参照图2讨论了示例性输出设备(即205、206、207)和相关联的方法。
参照图5,所描绘的实施方式的曲线拟合处理402包括绘制存储的数据集330,该存储的数据集330包括表示作为MGTc数据(x轴)的函数的历史动力裕度(y轴)的不断更新的数据点320的集合。如上面所讨论的,示出的实施方式包括作为数据收集处理300的一部分的确定每个数据点是否稳定303的步骤和是否有效305的步骤(参见图3)。然而,本领域普通技术人员将认识到,这些数据过滤步骤可以可替选地作为曲线拟合处理402的一部分。即,所有数据点320可能被记录为存储的数据集330的一部分。但是当曲线拟合处理402开始绘制存储的数据集330时,不是稳定且有效的每个数据点320可以被忽略。
图6至图8示出了曲线拟合处理402中的另外的步骤。参照图6,曲线拟合处理402包括引入所选择的发动机性能曲线430——其作为步骤401(参见图4)的一部分被选择。如图7中最佳所示,然后所选择的发动机性能曲线430被平移(即,被不旋转地移位)以相对于存储的数据集330实现最低误差。这产生了平移曲线435。如图8中所示,然后平移曲线435被旋转以相对于存储的数据集330实现最低误差。这产生了拟合曲线440。本领域的普通技术人员将认识到,可替选地,旋转步骤(图8)可以在平移(图7)之前发生。
所选择的发动机性能曲线430的平移和旋转优选地基于“视觉拟合(opticalfit)”来实现。即,曲线被平移和旋转以使拟合曲线440与数据点320的集合之间的视在误差或平均距离最小化。在替选实施方式中,可以使用多项式最小二乘法作为拟合例程来创建拟合曲线440。然而,根据由多项式最小二乘拟合法得到的拟合曲线440的外推法可能不太可靠。
图9和图10示出了评估发动机健康状况的步骤403。如图9最佳所示,引入了100%规格水平性能曲线450。在各个点处评估拟合曲线440与100%规格水平性能曲线450之间的裕度455以确定发动机健康状况的总体估计。如本领域技术人员将认识到的,这可以使用公知的统计方法来完成。
另外地或者作为替代,图10示出了拟合曲线440可以在特定点460处与100%规格水平性能曲线450进行比较,以确定在给定负荷下(即在给定MGTc或MGT下)的预期动力裕度465。
无论发动机健康状况信息230是采取发动机健康状况的总体估计的形式(图9)还是采取在给定负荷下的预期动力裕度的形式(图10),评估发动机健康状况的步骤403可以包括基于与飞行器和/或操作环境有关的另外的信息240来“校正”裕度数据455、465。例如,如果外部空气温度高,则在动力裕度数据455、465被用于确定将被输出的发动机健康状况信息230之前对动力裕度数据455、465应用校正因子。即,裕度数据455、465被校正或标准化以消除由于当前安装损耗、操作配置和环境状况引起的性能变化。所得到的“校正后的”发动机健康状况信息230因此可以表示在真实世界的安装条件下的发动机动力,而不是理论性能水平。
在不偏离本发明的范围的情况下,可以对本文描述的系统和装置进行修改、添加或省略。系统和装置的部件可以被集成或分开。此外,系统和装置的操作可以由更多部件、更少部件或其他部件来执行。方法可以包括更多步骤、更少步骤或其他步骤。另外,步骤可以以任何合适的顺序来执行。
虽然已经详细说明和描述了若干实施方式,但是应该认识到,在不偏离由所附权利要求限定的本发明的精神和范围的情况下,可以进行替换和改变。
为了帮助专利局以及基于本申请发布的任何专利的任何读者解释所附权利要求,申请人希望指出,除非在特定的权利要求中明确地使用词语“用于...的装置”或“用于...的步骤”,否则他们并非意在使任何所附权利要求援用本文的申请日期时所存在的35U.S.C.§112(f)。
Claims (20)
1.一种收集在确定飞行器上的发动机的健康状况中使用的发动机数据的方法,所述方法包括:
接收发动机操作信息;
根据所述发动机操作信息确定动力参数和关键参数;
记录所述动力参数和所述关键参数作为数据点;以及
将所述数据点与存储的数据集合并,所述存储的数据集包括先前记录的动力参数和关键参数数据点。
2.根据权利要求1所述的方法,其中,接收发动机操作信息包括从飞行器数据总线接收发动机操作信息。
3.根据权利要求1所述的方法,其中,所述关键参数是测量的气体温度值。
4.根据权利要求1所述的方法,其中,所述动力参数是动力裕度。
5.根据权利要求1所述的方法,还包括接收与所述飞行器或操作环境有关的另外的信息。
6.根据权利要求5所述的方法,还包括:
基于与所述飞行器或操作环境有关的所述另外的信息来校正所述动力参数和所述关键参数中的至少一个,
其中,记录所述动力参数和所述关键参数作为数据点包括记录校正后的数据点,所述校正后的数据点包括校正后的动力参数或校正后的关键参数。
7.根据权利要求6所述的方法,其中,所述校正后的数据点表示在标准条件下在测试台上执行情况下的所述发动机的动力。
8.根据权利要求1所述的方法,还包括:
确定所述动力参数和所述关键参数是否表示稳定数据点;以及
在所述动力参数和所述关键参数不表示稳定数据点的情况下,丢弃所述发动机操作信息。
9.根据权利要求1所述的方法,还包括:
确定所述动力参数和所述关键参数是否表示有效数据点;以及
在所述动力参数和所述关键参数不表示有效数据点的情况下,丢弃所述发动机操作信息。
10.根据权利要求1所述的方法,其中,将所述数据点与存储的数据集合并包括:
将所述数据点和所述存储的数据集中的相似的先前记录的数据点分组在一起;以及
将分组在一起的数据点合并成单个代表性数据点。
11.根据权利要求1所述的方法,还包括从所述存储的数据集清除先前记录的数据点。
12.一种确定飞行器上的发动机的健康状况的方法,所述方法包括:
选择在创建发动机健康状况模型中使用的发动机性能曲线;
执行曲线拟合处理以获得拟合曲线,所述拟合曲线基于所选择的发动机性能曲线和存储的数据集;
通过将所述拟合曲线与所述发动机的100%规格水平性能曲线进行比较来评估发动机健康状况;以及
输出发动机健康状况信息。
13.根据权利要求12所述的方法,其中,所选择的发动机性能曲线包括所述发动机的100%规格水平性能曲线。
14.根据权利要求12所述的方法,其中,执行曲线拟合处理以获得拟合曲线包括平移所选择的发动机性能曲线以相对于所述存储的数据集实现低误差。
15.根据权利要求12所述的方法,其中,执行曲线拟合处理以获得拟合曲线包括旋转所选择的发动机性能曲线以相对于所述存储的数据集实现低误差。
16.根据权利要求12所述的方法,其中,执行曲线拟合处理以获得拟合曲线包括:
平移所选择的发动机性能曲线以相对于所述存储的数据集实现低误差;以及
旋转所选择的发动机性能曲线以相对于所述存储的数据集实现低误差,
其中,所述平移步骤和所述旋转步骤基于视觉拟合来实现。
17.根据权利要求12所述的方法,其中,通过将所述拟合曲线与所述发动机的100%规格水平性能曲线进行比较来评估发动机健康状况包括:在各个点处评估所述拟合曲线与所述100%规格水平性能曲线之间的裕度以确定发动机健康状况的总体估计。
18.根据权利要求12所述的方法,其中,通过将所述拟合曲线与所述发动机的100%规格水平性能曲线进行比较来评估发动机健康状况包括:在选择的点处评估所述拟合曲线与所述100%规格水平性能曲线之间的裕度以确定在所述选择的点处的预期动力裕度。
19.根据权利要求12所述的方法,其中,输出发动机健康状况信息包括以下内容之一:
向机组人员接口设备提供发动机健康状况信息;
将发动机健康状况信息存储在数据存储设备中;以及
经由收发器设备传送发动机健康状况信息。
20.一种确定飞行器上的发动机的健康状况的方法,所述方法包括:
接收发动机操作信息;
根据所述发动机操作信息确定动力参数和关键参数;
记录所述动力参数和所述关键参数作为数据点;
将所述数据点与存储的数据集合并,所述存储的数据集包括先前记录的动力参数和关键参数数据点;
选择在创建发动机健康状况模型中使用的发动机性能曲线;
通过平移和旋转所选择的发动机性能曲线以相对于所述存储的数据集实现低误差来获得拟合曲线;
通过将所述拟合曲线与所述发动机的100%规格水平性能曲线进行比较来评估发动机健康状况;以及
输出发动机健康状况信息。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562239058P | 2015-10-08 | 2015-10-08 | |
US62/239,058 | 2015-10-08 | ||
US15/286,209 US10282925B2 (en) | 2015-10-08 | 2016-10-05 | Adaptive algorithm-based engine health prediction |
US15/286,209 | 2016-10-05 | ||
PCT/US2016/055815 WO2017123290A1 (en) | 2015-10-08 | 2016-10-06 | Adaptive algorithm-based engine health prediction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108139749A true CN108139749A (zh) | 2018-06-08 |
CN108139749B CN108139749B (zh) | 2021-11-09 |
Family
ID=59311430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680058578.XA Expired - Fee Related CN108139749B (zh) | 2015-10-08 | 2016-10-06 | 基于自适应算法的发动机健康状况预测 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10282925B2 (zh) |
EP (1) | EP3360021A4 (zh) |
CN (1) | CN108139749B (zh) |
WO (1) | WO2017123290A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324930A (zh) * | 2018-12-14 | 2020-06-23 | 通用电气公司 | 用于了解发动机健康和维护的全球环境数据及应用方法 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10223846B2 (en) * | 2016-10-10 | 2019-03-05 | General Electric Company | Aerial vehicle engine health prediction |
US10467174B2 (en) | 2017-04-20 | 2019-11-05 | The Boeing Company | System and method of monitoring data traffic on a MIL-STD-1553 data bus |
US10685125B2 (en) | 2017-04-20 | 2020-06-16 | The Boeing Company | Multiple security level monitor for monitoring a plurality of MIL-STD-1553 buses with multiple independent levels of security |
US10691573B2 (en) * | 2017-04-20 | 2020-06-23 | The Boeing Company | Bus data monitor |
US11341859B1 (en) * | 2018-06-21 | 2022-05-24 | Rockwell Collins, Inc. | Multiple-client unmanned aircraft management station |
US11047313B2 (en) | 2018-12-10 | 2021-06-29 | Bell Helicopter Textron Inc. | System and method for selectively modulating the flow of bleed air used for high pressure turbine stage cooling in a power turbine engine |
FR3095196B1 (fr) * | 2019-04-17 | 2021-12-03 | Airbus Helicopters | Procédé et dispositif pour estimer la santé d’une installation motrice d’un aéronef pourvu d’au moins un moteur et d’un filtre colmatable filtrant de l’air en amont du moteur |
US11667392B2 (en) | 2019-06-20 | 2023-06-06 | Pratt & Whitney Canada Corp. | Method and system for operating a rotorcraft engine |
US11615657B2 (en) * | 2020-03-17 | 2023-03-28 | Pratt & Whitney Canada Corp. | Aircraft engine graphical diagnostic tool |
CN112173169A (zh) * | 2020-09-25 | 2021-01-05 | 中国直升机设计研究所 | 一种三发直升机发动机功率自动检查方法 |
US11585283B2 (en) | 2020-11-10 | 2023-02-21 | Textron Innovations Inc. | Gas generator speed limit and power recovery |
US20220169397A1 (en) * | 2020-11-30 | 2022-06-02 | Bell Textron Inc. | Modeling and integrating engine installation deltas |
US20240060427A1 (en) * | 2022-08-22 | 2024-02-22 | Pratt & Whitney Canada Corp. | Systems and methods for determining gas turbine engine operating margins |
US20240060426A1 (en) * | 2022-08-22 | 2024-02-22 | Pratt & Whitney Canada Corp. | Systems and methods for determining gas turbine engine operating margins |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030045992A1 (en) * | 2001-08-31 | 2003-03-06 | Humerickhouse Charles Edward | Diagnostic method and system for turbine engines |
US20050096873A1 (en) * | 2002-12-30 | 2005-05-05 | Renata Klein | Method and system for diagnostics and prognostics of a mechanical system |
US20110172895A1 (en) * | 2010-01-13 | 2011-07-14 | Kubota Corporation | Condition Evaluation System for Engine-Driven Traveling Vehicle |
CN103728965A (zh) * | 2012-10-15 | 2014-04-16 | 中航商用航空发动机有限责任公司 | 一种航空发动机的监视装置和方法、fadec 系统 |
US20140236534A1 (en) * | 2013-02-20 | 2014-08-21 | Honeywell International Inc. | System and method for continuous performance analysis of systems that exhibit variable performance characteristics at different operating conditions |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130024179A1 (en) | 2011-07-22 | 2013-01-24 | General Electric Company | Model-based approach for personalized equipment degradation forecasting |
US8914205B2 (en) | 2013-01-28 | 2014-12-16 | Honeywell International Inc. | System and method for transmitting helicopter health and location |
US10079183B2 (en) | 2013-06-26 | 2018-09-18 | Kla-Tenor Corporation | Calculated electrical performance metrics for process monitoring and yield management |
US10024187B2 (en) * | 2015-03-20 | 2018-07-17 | General Electric Company | Gas turbine engine health determination |
-
2016
- 2016-10-05 US US15/286,209 patent/US10282925B2/en active Active
- 2016-10-06 CN CN201680058578.XA patent/CN108139749B/zh not_active Expired - Fee Related
- 2016-10-06 WO PCT/US2016/055815 patent/WO2017123290A1/en active Application Filing
- 2016-10-06 EP EP16885378.6A patent/EP3360021A4/en not_active Withdrawn
-
2019
- 2019-04-11 US US16/381,416 patent/US11127231B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030045992A1 (en) * | 2001-08-31 | 2003-03-06 | Humerickhouse Charles Edward | Diagnostic method and system for turbine engines |
US20050096873A1 (en) * | 2002-12-30 | 2005-05-05 | Renata Klein | Method and system for diagnostics and prognostics of a mechanical system |
US20110172895A1 (en) * | 2010-01-13 | 2011-07-14 | Kubota Corporation | Condition Evaluation System for Engine-Driven Traveling Vehicle |
CN103728965A (zh) * | 2012-10-15 | 2014-04-16 | 中航商用航空发动机有限责任公司 | 一种航空发动机的监视装置和方法、fadec 系统 |
US20140236534A1 (en) * | 2013-02-20 | 2014-08-21 | Honeywell International Inc. | System and method for continuous performance analysis of systems that exhibit variable performance characteristics at different operating conditions |
Non-Patent Citations (1)
Title |
---|
DONALD L. SIMON ET.AL: "Automated Power Assessment for Helicopter Turboshaft Engines", 《URL:HTTP:NTRS.NASA.GOV/ARCHIVE/NASA/CASI.NTRS.NASA.GOV/20080032562.PDF》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324930A (zh) * | 2018-12-14 | 2020-06-23 | 通用电气公司 | 用于了解发动机健康和维护的全球环境数据及应用方法 |
CN111324930B (zh) * | 2018-12-14 | 2023-11-03 | 通用电气公司 | 用于了解发动机健康和维护的全球环境数据及应用方法 |
Also Published As
Publication number | Publication date |
---|---|
US20180025557A1 (en) | 2018-01-25 |
US20190244443A1 (en) | 2019-08-08 |
EP3360021A4 (en) | 2019-06-19 |
US11127231B2 (en) | 2021-09-21 |
EP3360021A1 (en) | 2018-08-15 |
CN108139749B (zh) | 2021-11-09 |
US10282925B2 (en) | 2019-05-07 |
WO2017123290A1 (en) | 2017-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108139749A (zh) | 基于自适应算法的发动机健康状况预测 | |
EP2991044B1 (en) | Methods and systems for monitoring vehicle systems using mobile devices | |
US10380277B2 (en) | Application of virtual monitoring of loads | |
EP2329459B1 (en) | Method and apparatus for obtaining vehicle data | |
CA2771401C (en) | Platform health monitoring system | |
EP3091410A2 (en) | Methods and system for data analytics | |
CN107085744A (zh) | 利用数据分析增强的飞机维护和检查 | |
US10223846B2 (en) | Aerial vehicle engine health prediction | |
EP2991043B1 (en) | Methods for generating multiple data reports in vehicles | |
US10464689B2 (en) | Diagnostic method, system and device for a rotorcraft drive system | |
US10371618B2 (en) | Maximum filter flow predictor | |
JP6501675B2 (ja) | 設定可能な搭載型の情報処理 | |
CN109478350B (zh) | 确定维护关注的航空器数据记录帧配置的系统和方法 | |
RU2670907C9 (ru) | Система мониторинга работоспособности платформы | |
US10518906B2 (en) | Aircraft component regime recognition | |
CN113678075B (zh) | 用于监测至少一个航空器发动机的方法 | |
CN103597504A (zh) | 用于推荐直升机发动机维护的系统 | |
US9945766B2 (en) | Device and method for measuring engine flow and monitoring air filter performance | |
CN106774411A (zh) | 基于phm的无人机中间件系统 | |
CA3080707A1 (en) | Computer system and method for performing a virtual load test | |
EP3923104A1 (fr) | Procédé et système de contrôle d'un niveau d'endommagement d'au moins une pièce d'aéronef, aéronef associé | |
EP3239046A1 (en) | Single-gauge monitoring of multiple components | |
EP2612816A2 (en) | Systems and methods for issuing a hard landing warning and providing maintenance advisories for hard landing incidents | |
Azzam et al. | FUMS/spl trade/fusion for improved aircraft MAAAP | |
Clinton | The revolution of the aircraft engine ground maintenance station |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211109 |
|
CF01 | Termination of patent right due to non-payment of annual fee |